性能测试理论基础一：性能测试概念和指标

一、性能测试概念

1.为什么程序会有性能问题，性能问题是怎么出现的？

2.性能测试和功能测试的区别是什么？

3.核心性能指标：吞吐量QPS/TPS

4.核心性能指标：并发量

5.核心性能指标：响应时间

1.性能和功能的区别

功能角度：验证程序是否满足功能性需求（有没有功能，能不能用）

性能：多角度分析（做的好不好，性能指标）

2.为什么程序会有性能问题，性能问题是怎么出现的？

任何程序运行都需要资源（CPU、内存、磁盘、网络）

资源不是无限的（程序运行受限，每一个后端请求）

3. 性能指标

用户角度（核心）

（1）响应时间（速度快不快）：一次操作的完成时间

响应时间=等待处理时间+处理时间

网页响应：js css json html 页面多个子资源加载累加计算

接口相应：但接口请求>接收响应的完整时长

（2）并发量：人多的时候能不能用

相对并发：某一段时间内向服务器发出请求的并发（业界通常以秒为单位），人的操作是有间隔的。

绝对并发：同一时间点 服务器收到的请求量（有些可能会到毫秒级，一般不用）

成本管理

（1）资源占用率

我们在程序运行过程中，对服务器资源占用：一个用户请求过来需要站多少CPU，多少网络带宽。

运维角度

（1）吞吐量 --一进一出 输入--处理--输出

应用角度--QPS、TPS

QPS：每秒查询率（Query Per Second）

针对查询类请求处理，每秒能处理多少笔 ；select，不涉及数据变更的操作

TPS：每秒处理的事务数（Transaction Per Second）

涉及数据变更的操作 从数据库围观，事务>多个操作

网络角度--字节/S 服务器 带宽

反应程序的处理能力综合体现（吞吐量越大越好）

吞吐量和并发量有什么区别？

定义

• 吞吐量（Throughput）：指系统在单位时间内能够处理的请求数量或事务数量，或者在网络设备中，指单位时间内成功地传送数据的数量（以比特、字节等为测量单位）。它常用于评估系统的性能和容量，反映了系统处理请求的总体能力。
• 并发量（Concurrency）：指系统能够同时处理的请求数量或事务数量，即在同一时间段内系统可以同时执行的任务数。它描述了系统的并发处理能力和承载能力。

区别

1. 关注点不同：
   • 吞吐量关注的是系统在单位时间内能够完成的工作量，即处理请求的总体速率。
   • 并发量则关注系统在同一时间内能够同时处理的请求数量，即系统的并发处理能力。
2. 衡量标准不同：
   • 吞吐量通常以每秒完成的请求数（RPS、TPS）或每秒处理的数据量（如比特、字节）来衡量。
   • 并发量则直接以同时处理的请求数量或用户数来衡量。
3. 影响因素不同：
   • 吞吐量受到系统处理能力、资源利用率、算法效率等多种因素的影响。
   • 并发量则主要受系统资源（如CPU、内存、数据库连接等）的限制，以及系统架构和并发处理机制的设计。
4. 对系统性能的影响：
   • 吞吐量的大小直接关系到系统的性能和稳定性，高吞吐量意味着系统能够高效地处理大量请求。
   • 并发量过高则可能导致系统资源紧张，进而影响系统的响应时间和稳定性。因此，在设计和测试系统时，需要合理控制并发量，确保系统能够稳定运行。

示例说明

• 假设一个电商网站在高峰时段每秒能够处理1000个订单，那么它的吞吐量就是1000 TPS。这反映了网站处理订单的总体能力。
• 同时，如果网站能够同时处理5000个用户的并发请求，那么它的并发量就是5000。这表示网站在同一时间内能够同时服务这么多用户。

吞吐量>并发量 ==轻松处理

吞吐量<并发量== 系统出问题

吞吐量受并发量影响，当并发量变大时。

二、性能测试核心步骤

1、梳理性能需求

性能测试不能脱离实际需求，不论是测试那种场景，有哪方面的性能需要，我们在执行测试的时候，都会涉及到具体的业务场景。

性能测试范围（首屏速度）--业务场景（APP首屏加载广告，这个广告信息是从后端接口拉取的；例：希望接口平均1.5S加载出来）--性能指标（响应时间）--性能测试用例（1.通过接口测试工具，反复针对这个接口进行多次测试， 取响应时间平均值；2.模拟贴近真实环境的用户数量，并发对这个接口进行测试，取响应平均值）

2、执行测试

性能用例：

（1）使用工具模拟10个用户，并发对接口发起调用（持续2分钟）或者发起1000次调用）；判断响应时间是否3秒以内

执行：

（1）工具：loadrunner、Jmeter、python（locust）等

（2）工具选型：能够方便快捷的模拟出性能场景

结果采集：

（1）Jmeter汇总报告

样本：总共发起请求数

平均值、最小值、最大值、偏差值：响应时间ms

异常：样本异常率

吞吐量：Jmeter没有区分TPS/QPS

接受、发送、平均字节：网络

（2）Jmeter查看结果树 一般用于调试阶段，正式压测一般是禁用的

3、性能结果分析

分析性能指标是否达标

1. 识别性能瓶颈：
   • 通过分析性能数据，识别出导致系统性能下降的关键因素或组件。这些瓶颈可能存在于硬件资源（如CPU、内存、磁盘I/O、网络带宽）、软件架构、数据库查询、第三方服务调用等方面。
2. 优化系统性能：
   • 基于性能瓶颈的识别，提出并实施针对性的优化策略。这可能包括代码优化、算法改进、数据库索引调整、缓存策略优化、硬件升级等，以提升系统的整体性能和响应速度。
3. 确保系统稳定性：
   • 评估系统在高负载或并发场景下的稳定性。通过模拟高压力测试场景，观察系统是否会出现崩溃、内存泄漏、响应时间过长等问题，以确保系统能够稳定运行并满足业务需求。
4. 满足用户需求：
   • 确保系统性能能够满足用户的使用需求。通过性能结果分析，验证系统是否能够在规定的时间内完成用户请求，并保持良好的用户体验。如果系统性能无法满足用户需求，则需要进行相应的优化或升级。
5. 支持决策制定：
   • 为管理层或决策层提供关于系统性能的客观数据和评估结果，以支持他们在项目规划、预算分配、技术选型等方面的决策。性能结果分析可以作为评估系统健康状况、预测未来需求以及制定长期发展规划的重要依据。
6. 持续改进：
   • 性能结果分析是一个持续的过程，旨在通过不断地监测、分析和优化来提升系统的性能。通过定期的性能测试和分析，可以发现新的性能问题并及时解决，确保系统始终保持最佳状态。

不达标要做性能优化